论文部分内容阅读
说话人识别是语音信号处理领域的一个重要研究问题,具有广泛的应用前景。特别是随着网络信息的快速发展,语音信息普遍存在于互联网,目前已达到相当大的规模,且仍处于高速增长时期。这些海量的多媒体信息正在逐步和传统的文本信息一起成为互联网信息的重要组成部分,因此迫切需要能够对语音内容进行自动识别和快速过滤技术。研究基于网络环境下的语音信息处理,特别是能进行语音身份认证的说话人确认技术将会很有必要。目前说话人确认的研究大多只关注识别的准确率,对识别的速度并没有太大的关注。本文的研究主要是面向网络音频流的文本无关的实时说话人确认,因此在保证识别率的前提下,还需要重点关注较短语音的快速说话人确认技术,找出能提高说话人确认的确认速度的模型。
高斯混合模型(GMM)是一种概率统计模型,它可以对语音数据的统计分布特征进行描述,能有效地表示出目标话者的特性,且具有较好的鲁棒性,是当前文本无关的说话人识别的主要模型。本文以GMM为基本模型,研究了基于GMM的多种说话人确认模型,并实现了一个高效的、可扩展性良好的说话人确认系统,为以后进一步深入研究面向网络音频流的实时说话人识别技术打下了良好的基础。
首先,论文对说话人确认的研究做了一个简要的概述,包括介绍了说话人识别、说话人确认研究的问题、说话人确认系统的结构组成、说话人确认的性能评价指标以及说话人确认中各种建模模型。
然后,论文在介绍语音信号的MFCC特征提取的基础上,研究了GMM的基本理论及如何应用到说话人确认中。然后详细介绍了目前应用最为广泛的高斯混合模型-统一背景模型(GMM-UBM)框架下的说话人确认模型。另外,本章还介绍了近几年在说话人识别中受到重点研究的支持向量机(SVM),并在介绍SVM基本理论的基础上,分析了SVM用于文本无关的说话人确认的问题,介绍了将GMM与SVM相结合的说话人确认话者模型。
文章在研究了GMM与SVM相结合的说话人确认模型的基础上,提出了一个新的说话人确认模型:GMM-DragPush。该模型引入基于推拉策略的中心法代替GMM-SVM模型中的SVM进行区分性的分类,并与GMM相结合进行说话人确认。
最后,论文实现了一个有效的、可扩展性良好的说话人确认系统,该系统实现了多种目前主流的说话人确认模型,文章介绍了该系统的结构和各模块的功能,并通过在不同语料库上的实验验证了系统的有效性。另外,论文还通过实验说明了我们提出的新模型GMM-DragPush具有较好的确认性能,特别是在说话人确认的速度上有很大的优势。